从零学习量化交易006金融数据格式

（1）在《从零学习-量化交易（001）-平台、软件选择、股票历史数据下载》群中下载《kc零起点3课件程序2020版》，并解压进入kc_demo文件，拷贝文件data和inx文件夹到目录 D:\zwPython\zwrk\1_Quant_TensorFlow中

（2）打开Spyder程序编写 4-FinancialDataFormats.py

# -*- coding: utf-8 -*-
# 声明该Python脚本使用UTF - 8编码，
# 这样可以确保脚本中包含的非ASCII字符（如中文、日文等）能被正确解析和处理。

import pandas as pd
# 导入pandas库，并将其重命名为pd。
# pandas是一个用于数据处理和分析的强大库，
# 导入后可以使用pd来调用pandas库中的各种函数和数据结构。

#================================
# 这里可能是为了代码结构清晰，使用注释作为一个逻辑分隔区域

pd.set_option('display.width', 450)
# 使用pandas库的set_option函数设置显示选项。
# 'display.width'表示设置在控制台显示数据时的宽度。
# 将其设置为450，意味着在控制台输出数据时，每行最多显示450个字符，
# 以防止数据因宽度限制而被截断，确保数据完整显示。

#---------------
# 同样可能是为了代码结构清晰，使用注释作为一个逻辑分隔区域

fss = 'data/600663.csv'
# 定义一个字符串变量fss，其值为'data/600663.csv'。
# 这里假设当前脚本所在目录下有一个名为data的文件夹，
# 该文件夹中包含名为600663.csv的文件，此变量用于指定该文件的路径。

df = pd.read_csv(fss, index_col=0)
# 使用pandas的read_csv函数读取CSV文件。
# fss是要读取的CSV文件的路径。
# index_col=0表示将CSV文件中的第一列作为DataFrame的索引列。
# 读取后的数据以DataFrame数据结构形式存储在变量df中。

print(df.tail())
# 使用print函数输出df（即刚才读取的DataFrame）的最后几行数据。
# df.tail()方法默认返回DataFrame的最后5行，
# 此操作可以快速查看数据的结尾部分，方便了解数据的大致内容。

输出的结果为：

             open   high    low  close    volume
date                                            
1994-01-07  4.400  4.455  4.327  4.391  53383.72
1994-01-06  4.344  4.529  4.316  4.400  98823.97
1994-01-05  4.200  4.378  4.104  4.352  69982.39
1994-01-04  4.026  4.211  3.998  4.204  54842.36
1994-01-03  3.913  4.022  3.867  3.986  43822.57